dsh-image-subagent

让纯文本主模型（如 deepseek-v4-pro）也能接收图片附件的 DeepSeek Harness 插件：图片不再被准入门控拒绝，而是进入会话后投影为显式文本占位符，由主模型委托给视觉子代理（多模态模型）通过 read_attachment / read_image 原生读取。

零核心补丁——全部通过插件级 seam 实现，npx 重装、版本升级都不会失效。

三个与现有方案的区别：

• 首个纯插件打通「贴图准入」的闭环：社区现有方案（#357、#427、#733、#911 等）要么是提案、要么是改核心的 patch/fork；
• 子代理原生看图：图片直接交给多模态子代理理解，不做「先压缩成文本描述再转述」的语义损耗，支持多轮追问；图片走 harness 自己的附件库（会话引用授权、随会话导出），路由本地时不出本机，零新增凭据。

安装

依赖：@deepseek-ai/dsh ≥ 0.1.0-rc.6、pnpm（brew install pnpm）。

# 从 GitHub（推荐锁定 commit，防止后续推送改变实际运行的代码）
dsh plugin --profile web add github:yuqingsh/dsh-image-subagent#

# 或从 npm（发布后）
dsh plugin --profile web add dsh-image-subagent

# 或本地 checkout / tarball
dsh plugin --profile web add ./dsh-image-subagent
dsh plugin --profile web add ./dsh-image-subagent-0.1.0.tgz

安装后重启 dsh web 并刷新页面。卸载/升级：

dsh plugin --profile web remove dsh-image-subagent
dsh plugin --profile web up dsh-image-subagent

使用方法

1. 一次性：配置视觉子代理

插件只负责「放行图片 + 投影占位符」；真正看图的是你预设里的视觉子代理。在 DSH 网页的 Agent 预设里添加一个子代理（如 observer）：

• 模型选声明了 image 输入的多模态模型（如 MiniMax M3 / Kimi 视觉模型）；
• 工具集勾选 read_attachment、read_image（由核心 dsh-tool-fs 提供，多数完整预设默认已挂载）；
• 主模型保持纯文本（如 DeepSeek V4 Pro / Flash）。

子代理读图的硬性要求（缺一不可）：

1. 子代理模型必须声明 image 输入（inputModalities 含 image）——若子代理也是纯文本路由，本插件的投影会把图片同样变成占位符，子代理只能拿到元数据、看不到像素；
2. 工具集包含 read_attachment / read_image；
3. 子代理必须在本会话内派生（spawn / fork）——附件读取按会话日志的引用授权，独立新会话无权读取该 id；
4. 主模型委托时把占位符里的 attachmentId 一并传给子代理（占位符自带 id，主模型按提示传递即可）。

没有视觉子代理时，占位符会进入对话，但无人能读图——主模型会告知你这一情况。